Upload
antoinette-langlais
View
112
Download
2
Embed Size (px)
Citation preview
1
POLI-D-314
Introduction à la politique comparée – cours 3
Jean-Benoit PILET
2
Cours 3: Les pièges de la comparaison 1. Les pièges dans l’élaboration du design de
recherche (Sartori, 1994) Localisme Mauvaise classification Gradualisme Elasticité conceptuelle
2. Les pièges dans l’analyse et l’interprétation des résultats Variable cachée Erreur écologique / erreur individuelle Biais dans la sélection des cas Importance démesurée des cas déviants
3
Le localisme Oubli du caractère nationalement marqué d’un concept
Exemple: le terme ‘libéral’ Le piège du localisme guette également pour les comparaisons
historiques Exemple: la ‘gauche’
Le localisme peut aussi s’appliquer pour les indicateurs choisis Exemple: le vote des projets de loi comme indicateur de la
discipline partisane en Europe et aux USA Exemple: le référendum généralisé comme indicateur du
populisme Le localisme peut aussi s’appliquer pour le passage d’un concept
d’un champ de la science politique à un autre Ex: la notion de ‘cartel’ dans l’étude des partis et en études
électorales
4
La mauvaise classification Construction de catégories inappropriées Exemple: étude des familles de parti sur la
base du nom des partis Famille libérale: Oubli du Parti démocratique
luxembourgeois, de la Venstre danoise, du Partido Social Democrata portugais
Famille nationaliste: Scottish National Party, Partido Nacionalist Vasco, Front national, Alleanza Nazionale?
5
Le gradualisme La réalité serait trop complexe pour la réduire à des
catégorisations binaires Principe selon lequel les traitements continus
seraient plus pertinents que les traitements dichotomiques
Sartori démontre que aucune des deux options n’est par définition supérieure à l’autre Les traitements continus peuvent faire perdre leur sens aux
concepts utilisés (ex: démocratie) La plupart des échelles finiront pas être transformées en
catégories tout aussi arbitraires que le classement dichotomique
Le chercheur doit constamment garder à l’esprit que toute catégorisation affecte la réalité observée
6
Lijphart (1997) et le lien entre fédéralisme et nombre de partis Hypothèses: les Etats fédéraux comptent
plus de partis car chaque entité fédérée est un espace de développement pour des formations politiques spécifiques
Test sur 36 pays Qu’est-ce qu’un Etat fédéral?
Différentes catégorisations, différents résultats
7
Lijphart- catégorisation n°1Etat fédéral si c’est inscrit dans sa constitution
ENPP
USA 2.41
Canada 2.35
Allemagne 2.84
Belgique 5.49
Autriche 2.72
Suisse 5.57
Australie 2.19
8
Lijphart- catégorisation n°2Etats fédéraux et états régionalisés
ENPP
USA 2.41
Canada 2.35
Allemagne 2.84
Belgique 5.49
Autriche 2.72
Suisse 5.57
Australie 2.19
ENPP
Espagne 2.76
Italie 5.22
Venezuela 3.07
Inde 4.11
9
Lijphart- catégorisation n°3Echelle de fédéralisme (1.0 5.0)
FED ENPP FED ENPP FED ENPP
USA 5.0 2.41 Espagne 3.0 2.76 Danemark
2.0 5.11
Canada 5.0 2.35 Italie 3.0 5.22 Finlande 2.0 5.17
Allemagne 5.0 2.84 Venezuela 4.0 3.07 Norvège 2.0 3.61
Belgique 5.0 5.49 Inde 4.0 4.11 France 1.0 3.54
Autriche 4.5 2.72 Grèce 1.0 2.20
Suisse 5.0 5.57 Malte 1.0 1.99
Australie 5.0 2.19 NZ 1.0 1.96
Coeff.cor. -0.152 0.092
10
L’élasticité conceptuelle Elargir la définition d’un concept pour le
rendre applicable en dehors de son contexte originel
Le risque est qu’à force d’élargir le sens du concept, celui-ci perde son pouvoir explicatif
Exemple: le concept de ‘clivage’
11
L’oubli d’une variable cachée (spuriousness) L’explication tirée de la recherche est incomplète,
une variable majeure a été omise Exemple: Landman et le lien entre latinos et
pensionnés Exemple: Le lien entre diversité linguistique et
développement économique Liberson & Hansen (1974): Plus il y a de diversité
linguistique, moins il y a de développement économique Firebaugh (1980): L&H avait omis une variable majeure:
l’âge du pays
12
L’erreur écologique et l’erreur individuelle Glissement non contrôlé entre le niveau d’analyse
des données et le niveau d’interprétation des résultats
Erreur écologique: Formulation d’explications au niveau individuel sur la base de données au niveau agrégé Exemple: Nombre de femmes dans l’électorat et résultats
d’un référendum sur l’avortement Erreur individuelle: Formulation d’explications au
niveau agrégé sur la base de données au niveau individuel Exemple: Inglehart (1997) et sa catégorisation des sociétés
modernes et postmodernes sur la base de données d’enquête sur les valeurs des citoyens
13
Biais dans la sélection des cas Sélection aléatoire vs. Sélection
intentionnelle Ne pas oublier que le réalité observée peut
être fonction des cas sélectionnés Exemple: Les causes des révolutions sociales
Skocpol (1979) vs. Geddes (1990)
Comment réduire ce risque? Augmenter le nombre de cas Sélectionner les cas sans a priori quant à leur
rapport à l’hypothèse de départ
14
Donner trop d’importance aux cas déviants Le but de la comparaison est de tester la valider des
théories Cependant, une théorie peut rester valide même si
elle est infirmée par quelques cas Une explication valable dans 90% des cas, ne va
pas être mise de côté pour les 10% de cas où elle ne s’applique pas
Exemple des méthodes statistiques dont le but est d’accroître la part de la réalité expliquée mais sans espérer atteindre le 100%
15
Modèles alternatifs d’explication des voix de préférence des candidats flamands aux élections de 2007